過去的10年,隨著5G、物聯(lián)網(wǎng)技術(shù)的發(fā)展,智能設(shè)備的數(shù)量爆炸式增長,一大批新興的交互式應(yīng)用涌現(xiàn)出來,如虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)、自動駕駛、圖像識別等。這些應(yīng)用的典型特點(diǎn)是需要密集的計算資源的同時要求極低的延遲,因而不適宜在算力較差、電池容量有限的智能設(shè)備上執(zhí)行。傳統(tǒng)的云計算技術(shù)由于設(shè)備需要與骨干網(wǎng)絡(luò)通信,也無法保證延遲參數(shù)。為解決這一兩難困境,移動邊緣計算技術(shù)應(yīng)運(yùn)而生。移動邊緣計算即智能設(shè)備將計算任務(wù)卸載到邊緣服務(wù)器執(zhí)行,后者部署在網(wǎng)絡(luò)邊緣（通常是與基站等邊緣網(wǎng)關(guān)相連接）,利用邊緣網(wǎng)關(guān)的剩余算力進(jìn)行服務(wù),且與設(shè)備間的通信最少只需經(jīng)過單跳的鏈路,因而有機(jī)會保證任務(wù)的執(zhí)行延遲。目前邊緣計算技術(shù)已經(jīng)得到了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注,但現(xiàn)有研究普遍存在忽視子任務(wù)間依賴關(guān)系、忽視設(shè)備間通信資源競爭、忽視邊緣服務(wù)器計算資源調(diào)度的問題,難以適應(yīng)下一代通信基礎(chǔ)框架下異構(gòu)密集無線網(wǎng)絡(luò)的需求。有鑒于此,本文將卸載任務(wù)建模為有向無環(huán)圖（Directed Acyclic Graph,DAG）的形式,以充分考慮子任務(wù)間的數(shù)據(jù)依賴關(guān)系,挖掘子任務(wù)間潛在的并行性。同時研究多異構(gòu)設(shè)備被密集部署的異構(gòu)邊緣服務(wù)器覆蓋的卸載場景,... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

典型邊緣計算系統(tǒng)架構(gòu)圖

一個典型

電子科技大學(xué)碩士學(xué)位論文34第六章卸載策略仿真與驗(yàn)證6.1仿真平臺及仿真參數(shù)設(shè)置本章中，我將通過仿真，研究本文提出的三個DAG任務(wù)卸載策略的性能和效果。我將研究提出的卸載策略在不同場景下的卸載收益，以及分布式卸載策略的迭代收斂情況。同時，這份工作也將與現(xiàn)有的工作進(jìn)行對比，以進(jìn)一步說明本文算法的有效性。本文的仿真基于matlab，即編寫matlab仿真代碼驗(yàn)證算法的性能，部分核心的仿真代碼見附錄部分。仿真時依據(jù)不同的場景編寫腳本，傳遞不同的函數(shù)參數(shù)，輸出結(jié)果后繪制仿真圖像即可。仿真中，考慮一個多接入的邊緣網(wǎng)絡(luò)，多個異構(gòu)的邊緣設(shè)備隨機(jī)分布在多個異構(gòu)的邊緣服務(wù)器的覆蓋范圍內(nèi)。每個設(shè)備都具有一個指定的DAG型任務(wù)。為了更加全面的驗(yàn)證本文提出的卸載策略的性能，仿真中也會將一些隨機(jī)生成的DAG任務(wù)加入仿真過程。這些DAG任務(wù)的生成規(guī)則如下：子任務(wù)數(shù)在[2,10]區(qū)間內(nèi)隨機(jī)分布，子任務(wù)所需的計算量（以需要的CPU周期數(shù)刻畫）在[20,100]百萬周期隨機(jī)分布，子任務(wù)間的依賴關(guān)系（有向邊）隨機(jī)生成。邊緣設(shè)備的傳輸功率在[80,150]mW隨機(jī)分布，無線信道的帶寬各不相同，均勻分布，其均值取為25MHZ，環(huán)境噪聲取為-100dBm。每個邊緣服務(wù)器的計算力互不相同，但平均算力是邊緣設(shè)備的10倍。如前所述，服務(wù)器和設(shè)備的CPU調(diào)度均采用非搶占策略。圖6-1分布式卸載策略隨迭代次數(shù)收斂情況6.2分布式卸載策略收斂情況仿真

【參考文獻(xiàn)】：
期刊論文
[1]軟件定義網(wǎng)絡(luò)（SDN）研究進(jìn)展[J]. 張朝昆,崔勇,唐翯翯,吳建平.  軟件學(xué)報. 2015(01)



本文編號：3464316